典型文献
基于分解重构LSTM的氟化工产品价格预测方法
文献摘要：
企业利润受产品价格波动影响,深入分析产品价格变化趋势可以显著提升企业的市场竞争力.由于传统产品销售价格分析无法有效预测市场变化,提出一种基于分解重构的长短期记忆(LSTM)方法,对氟化工产品价格进行分析和预测.该方法首先对特征数据进行预处理,包括缺失值、异常值和归一化处理;然后通过相关系数进行特征选择,并基于集成经验模态分解(EEMD)挖掘数据隐含信息,采用动态时间规整(DTW)算法进行聚类和重构,进而建立LSTM模型进行预测.实验表明,该模型可以提升预测精度、降低计算复杂度,且优于人工神经网络(ANN)和最小支持向量回归(LSSVR)等基准模型.
文献关键词：
分解重构;集成经验模态分解;动态时间规整;长短期记忆;价格预测
中图分类号：
作者姓名：
郭瑞昌;童继红;冯毅萍;江永忠;金炫智;祝树平;刘浩宇;伊晓成
作者机构：
浙江大学工业控制技术国家重点实验室,浙江 杭州 310027;巨化集团有限公司,浙江 衢州 324004
文献出处：
引用格式：
[1]郭瑞昌;童继红;冯毅萍;江永忠;金炫智;祝树平;刘浩宇;伊晓成-.基于分解重构LSTM的氟化工产品价格预测方法)[J].控制工程,2022(10):1780-1787
A类：
B类：
基于分解,分解重构,氟化工,化工产品,产品价格,价格预测,企业利润,价格波动,析产,价格变化,市场竞争力,产品销售,销售价格,价格分析,市场变化,长短期记忆,特征数据,缺失值,异常值,归一化处理,特征选择,集成经验模态分解,EEMD,隐含信息,动态时间规整,DTW,低计算复杂度,人工神经网络,ANN,小支,支持向量回归,LSSVR
AB值：
0.387483
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
